2. 50 observaciones de una \(\mathcal{N}(0,1)\) y otras 50 observaciones de una \(\mathcal{N}(2,1)\). ¿Cómo se verán las 100 caras de Chernoff si \(_X_\) y \(_Y_\) definen la lÃnea de la cara y la oscuridad del cabello?, ¿esperan caras similares?, ¿cuántas caras lucen como oservaciones de \(_Y_\) cuando aún son observaciones de \(_X_\)?
ind = matrix(0, ncol = 36) # define una indicadora para el argumento which.row
ind[,13] = 1 # linea derecha de la cara
ind[,14] = 1 # oscuridad del cabello lado derecho
ind[,31] = 1 # linea izquierda de la cara
ind[,32] = 1 # oscuridad izquierda del cabello
x = rnorm(50)
y = rnorm(50, mean = 2)
z = t(cbind(t(x),t(y))); # arma matriz (100x1)
faces(as.matrix(z[1:50]),ind, main="Observaciones 1 a 50", ncol.plot = 5, nrow.plot = 10) # primeras 50 caras
## effect of variables:
## modified item Var
## "height of face " "Var1"
## "width of face " "Var1"
## "structure of face" "Var1"
## "height of mouth " "Var1"
## "width of mouth " "Var1"
## "smiling " "Var1"
## "height of eyes " "Var1"
## "width of eyes " "Var1"
## "height of hair " "Var1"
## "width of hair " "Var1"
## "style of hair " "Var1"
## "height of nose " "Var1"
## "width of nose " "Var1"
## "width of ear " "Var1"
## "height of ear " "Var1"
faces(as.matrix(z[51:100]),ind, main="Observaciones 51 a 100", ncol.plot = 5, nrow.plot = 10) # primeras 50 caras
## effect of variables:
## modified item Var
## "height of face " "Var1"
## "width of face " "Var1"
## "structure of face" "Var1"
## "height of mouth " "Var1"
## "width of mouth " "Var1"
## "smiling " "Var1"
## "height of eyes " "Var1"
## "width of eyes " "Var1"
## "height of hair " "Var1"
## "width of hair " "Var1"
## "style of hair " "Var1"
## "height of nose " "Var1"
## "width of nose " "Var1"
## "width of ear " "Var1"
## "height of ear " "Var1"
x
## [1] 0.386917341 1.343190225 -0.164617447 1.476484526 -0.712160511
## [6] 0.708283641 -1.879497291 0.307889399 -0.059675477 1.169029681
## [11] -0.491895334 2.045432779 0.430839918 0.096142409 1.139874498
## [16] -1.317914260 0.174775655 1.067323934 0.002890219 -0.480927065
## [21] -0.659043493 -0.899873197 0.181383774 -1.124649441 -0.949402871
## [26] -1.301658386 -0.307020241 1.231315757 0.620456332 1.393909293
## [31] 1.374595876 -1.023532881 -0.591438586 -1.279075606 -0.162396668
## [36] -1.208638886 -0.807562840 -1.294018884 1.249423421 -1.536806579
## [41] 0.916299643 1.436149473 -0.018165928 -0.276635147 1.219856961
## [46] 0.175381744 0.340258665 -0.651755233 -0.920247653 0.775879078
y
## [1] 0.7372980 2.6608014 1.5033485 2.0248959 0.3578717 1.6371324 2.3024543
## [8] 0.8778988 2.5859563 2.0585321 2.3542501 1.3019713 2.7350550 3.1279407
## [15] 2.8421328 1.6797116 2.9933698 2.9324055 1.3718929 1.7271424 0.2775183
## [22] 1.6971443 3.2787817 1.1805733 2.4453730 1.5199418 1.6227642 3.2251380
## [29] 3.3399299 1.1200645 2.2793416 1.1432326 0.7771372 0.7083658 4.6153187
## [36] 2.2705945 1.0577002 0.3548137 1.5921857 1.5686544 2.4833155 1.4991122
## [43] 1.1656296 2.5184609 1.2923584 1.6619542 1.3335891 2.9269707 0.4449219
## [50] 3.0239568
Sà hubo caras similares. Hay 4 payasos en Y comparado con los 3 que hay de X. Hay casi la misma cantidad de caras rojas y cabello verde; hay 4 caras amarillas en Y comparadas con las 10 que hay en X. Las caras rojas son aquellos valores cercanos a 0, mientras que los payasos son los valores más grandes (+/- 3)
3. Consideren los siguientes datos
a. Encuentra la proyección de \(X_1\) sobre 1’=(1,1,1,1,1,1)
# x1 = Nómina de jugadores
x1 <- c(3497900,2485475,1782875,1725450,1645575,1469800)
# Defino al vector de 1 normalizado
ones <- rep(1,6)/sqrt(6)
# Definición de proyección de x1 sobre 1
proy = t(x1) %*% ones %*% ones
proy
## [,1] [,2] [,3] [,4] [,5] [,6]
## [1,] 2101179 2101179 2101179 2101179 2101179 2101179
b. Calcula el vector desviación. Relaciona su longitud a la desviación estándar.
# Definición de vector desviación
vDesv <- x1 - proy
vDesv
## [,1] [,2] [,3] [,4] [,5] [,6]
## [1,] 1396721 384295.8 -318304.2 -375729.2 -455604.2 -631379.2
# Desviación estándar
StanDev <- sd(x1)
StanDev
## [1] 767752.2
Notemos que el cuadrado de la longitud del vector desviación es igual a \(n\times d^2\) donde d es la desviación estándar
# Longitud del vector
norma <- norm(vDesv)
norma^2
## [1] 1.950829e+12
6*(StanDev^2)
## [1] 3.536661e+12
c. Grafica (a escala) el triángulo formado por \(y_1\), \(\bar{x}_1\), \(y_1-\bar{x}_1\). Identifica la longitud de cada vector en tu gráfica
d. Repetir los incisos (a) a (c) para \(X_2\) a’. Encuentra la proyección de \(X_2\) sobre 1’=(1,1,1,1,1,1)
# x2 = % de perdidos-ganados
x2 <- c(0.623,0.593,0.512,0.5,0.463,0.395)
# Definición de proyección de x2 sobre 1
proy2 = t(x2) %*% ones %*% ones
proy2
## [,1] [,2] [,3] [,4] [,5] [,6]
## [1,] 0.5143333 0.5143333 0.5143333 0.5143333 0.5143333 0.5143333
b’. Calcula el vector de desviación
# Definición de vector desviación
vDesv2 <- x2 - proy2
vDesv2
## [,1] [,2] [,3] [,4] [,5] [,6]
## [1,] 0.1086667 0.07866667 -0.002333333 -0.01433333 -0.05133333 -0.1193333
# Desviación estándar
StanDev2 <- sd(x2)
StanDev2
## [1] 0.08376555
c’. Grafica (a escala) el triángulo formado por \(y_2\), \(\bar{x}_2\), \(y_2-\bar{x}_2\). Identifica la longitud de cada vector en tu gráfica
e. Grafica (a escala) los dos vectores desviación \(y_1-\bar{x}_1\) y \(y_2-\bar{x}_2\). Calcula el valor del ángulo entre ellos
f. Calcula la varianza muestral generalizada (vmg) det(S) para estos datos e interpreta
X <- cbind(x1,x2) # Creo la matriz de X1 y X2
n <- nrow(X)
uno <- rep(1,n)
xBar <- t(X) %*% uno / n # x barra
H <- diag(n) - uno%*%t(uno) / n # H
Sn <- t(X) %*% H %*% X / n # Sn
S <- n/(n-1) * Sn
vmg <- det(S)
vmg
## [1] 844182191
Como la vmg es proporcional al cuadrado del olumen generado por los p vectores de desviación. COmo vmg = 844182191, entonces sabemos que el volumen del elipsoide al cuadrado generado por \(S\), será igual al vmg multiplicado por una constante proveniente de la ecuación del elipsoide correspondiente a \(S\).
g. Calcula la varianza muestral total (vmt) tr(S) para estos datos e interpreta
vmt <- sum(diag(S))
vmt
## [1] 589443426354
Geométricamente, la vmt es la suma de las longitudes al cuadrado de los p vectores de desviación divididos entre n-1; sin embargo, no le presta atención a la orientación de los vectores residuales. Como vmt = 589443426354, entonces sabemos que estas corresponde a la suma de las varrianzas de los p elementos de la matriz.
4. Dibuja las elipsoides sólidas para las tres matrices siguientes y determina los valores de los ejes mayores y menores
5. Archivo del INEGI
a. Configura la matriz X para poder operar con ella
# datos <- read.csv("D:\\ITAM\\Aplicada III\\Tareas\\HW2\\INEGIConstruccion2017.csv", header=FALSE)
datos <- read.csv(".\\INEGIConstruccion2017.csv", header=FALSE)
datos <- datos[-1,]
names(datos) <- as.matrix(datos[1,]) # Tomo primer renglón
datos <- datos[-1,] # Elimino el primer renglón
datos[] <- lapply(datos, function(x) type.convert(as.character(x))) # Primera columna names(datos) se vuelve el header
# Datos de enero 2017
datos <- datos %>% filter(Periodo == "2017/01")
head(datos)
datosTotalesNac <- datos[,str_detect(names(datos), "Total nacional")]
# Horas trabajadas (dependiente + no dependiente, o lo mismo que es la suma de los totales por estado)
hrasTrabajadas <- datosTotalesNac %>% select(2,6) #dependiente y no dependiente
# x1: total de horas trabajadas
sumaHorasT <- hrasTrabajadas[,1]+hrasTrabajadas[,2]
#x2: valor total de producción
totalProd <- datos[,str_detect(names(datos), "tipo de obra > Total Total")]
#x3: total de horas trabajadas Dependiente
horasDep <- hrasTrabajadas[,1]
#x4: Obreros Dependiente
obrerosDep <- datosTotalesNac[,str_detect(names(datosTotalesNac), "Obreros")]
#x5: Empleados Dependiente
empDep <- datosTotalesNac[,str_detect(names(datosTotalesNac), "Empleados")]
#x6: Propietarios Dependiente
propDep <- datosTotalesNac[,str_detect(names(datosTotalesNac), "Propietarios")]
#x7: total de horas trabajadas No dependiente
horasNoDep <- hrasTrabajadas[,2]
(X <- c(sumaHorasT, totalProd, horasDep, obrerosDep, empDep, propDep, horasNoDep))
## [1] 129460.750 33007656.590 107742.613 84562.852 21536.763
## [6] 1642.998 21718.137
b. Calcula el vector de medias y la matriz de covarianzas de la matrix X
#Si consideramos la X como descrita arriba, el vector de medias es el mismo que el vector X